선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구를 통해서 전도성 고분자 가스센서 어레이를 구성하고, VOCs 가스를 분석하고 인식하기 위하여 전도성 고분자 센서어레이를 이용한 시스템을 구성하였다. 제작된 센서어레이는 Po- lypyrrole 과 Polyaniline 을 화학중합법으로 센서에 전도성고분자막을 형성하였다.
제안 방법
- 이 논문에서는 기존에 사용된 전기중합보다 감도가 우수한 화학 중합법으로 만들어진 Po- lypyrrole과 Polyaniline으로 센서에 전도성 고분자막을 형성하였고⑼ 이를 통해 VOCs 가스인 Ethanol, Benzene, Toluene, Chlor- form을 인식하기 위하여 Polyaniline으로 만든센서 2개와 Polypyrrole로 만든 센서 2개로 구성되는 센서어레이를 만들어 기존의 단일 소자가갖는 선택성 결여를 해소하였다. 분석기법은 주성분분석법 (Principal Component Analysis : PCA)과 RBFN(Radial Basis Function Networks) 을 사용하여 분석한 결과를 토대로최적의 가스 인식에 대하여 논하였다.
- 선택성 결여를 해소하였다. 분석기법은 주성분분석법 (Principal Component Analysis : PCA)과 RBFN(Radial Basis Function Networks) 을 사용하여 분석한 결과를 토대로최적의 가스 인식에 대하여 논하였다.
- 표 1에서 센서막 물질의 종류에 따른 제조조건을 나타내었다. 같은전도성 고분자로 만들어도 산화제 (APS)량을 조절하여 서로 다른 전도도를 나타내도록 하여 제조하였다.
- 제작된 소자의 VOCs 가스에 대한 전기적 및가스 감지 특성을 조사하기 위하여 1 리터의 챔버로 VOC가스가 버블링되도록 하는 방법으로 하였다. 그리고, VOC 가스를 정량적으로 검지하기 위해서 MFC를 이용하여 flow형 가스 주입 시스템을 그림 2와 같이 제작하였다.
- 그리고, VOC 가스를 정량적으로 검지하기 위해서 MFC를 이용하여 flow형 가스 주입 시스템을 그림 2와 같이 제작하였다. 표 2 에나타낸 Antoine방정식으로 농도 계산을 하였다.
- 4에 나타내었다. 가스 반응 특성을 알 수 있도록 500, 1000, 2000, 3000 ppm 각각에서의 가스 농도를 4회 반복 측정하여 가스 농도의 함수로서 감도를 나타내었다. 그림 4를 통해 측정된 가스농도에 대해서 선형성(linearity)을 나타냄을 알 수 있었다.
- 그리고 출력 노드는 4개의 가스에 대한 500, 1000, 2000, 3000 ppm 농도를 구별하도록 12개의 출력층으로 구성하였다. 입력되는 가스의 패턴에 따라 각각의 출력 노드가 출력하도록 설계하였다.
- 그리고 출력 노드는 4개의 가스에 대한 500, 1000, 2000, 3000 ppm 농도를 구별하도록 12개의 출력층으로 구성하였다. 입력되는 가스의 패턴에 따라 각각의 출력 노드가 출력하도록 설계하였다. 입력 패턴에 대한 출력노드의 가스에 대한 출력을 그림 6에 나타내었다.
- 구성하였다. 제작된 센서어레이는 Po- lypyrrole 과 Polyaniline 을 화학중합법으로 센서에 전도성고분자막을 형성하였다. VOCs의 대표적인 가스로 Benzene, Chloroform, Et hanol, Toluene에 대한 특성을 알아 본 결과로 전도성고분자막을 코팅하여 위에서 서술한 VOC 가스를 인식할 수 있는 센서어레이를 제작하게 되었다.
- 제작된 센서어레이는 Po- lypyrrole 과 Polyaniline 을 화학중합법으로 센서에 전도성고분자막을 형성하였다. VOCs의 대표적인 가스로 Benzene, Chloroform, Et hanol, Toluene에 대한 특성을 알아 본 결과로 전도성고분자막을 코팅하여 위에서 서술한 VOC 가스를 인식할 수 있는 센서어레이를 제작하게 되었다. 제작된 센서어레이는 서로 다른 가스에 대해서 선택성이 우수하고, 농도변화에 따른 감도의 변화가 선형적으로 나타남으로 패턴인식을 위한 적절한 신호처리의 가능성이 있음을알 수 있었다.
대상 데이터
- 10mm. 가로 7.6mm, 두께 0.4mm의 알루미나 기판위에 Pt로 IDTdnterdigitated Electrode) 형 전극을 형성하였고. 그림 1에 나타내었다.
- 이 전극은 6.7mmX7.6mm이고 패턴의 크기는 4.3mmx0.36mm 인 것이 6개가 교차하도록 만들었다. 이 전극 위에 전도성 고분자막을 dipping하여 형성시켰다.
- 측정 휘발성 유기 가스로는 에탄올, 벤젠. 클로로포름, 톨루엔을 이용하였다.
- 인식기로 사용된 RBFN은 입력노드를 4개를 사용하였고, 은닉 노드는 15개를 사용하였다. 그리고 출력 노드는 4개의 가스에 대한 500, 1000, 2000, 3000 ppm 농도를 구별하도록 12개의 출력층으로 구성하였다.
데이터처리
- 제작된 센서어레이를 이용하여 측정된 데이터들은 선형투영 법인 주성분분석법과 신경회로망인 RBF Network을 적용하여 비교하였다. 주성분분석법은 선형투영과정에서 생기는 자료의 손실이 있으며, 모두 높은 감도만으로 이루어진 센서어레이에서는 인식기로서 사용이 적합하지 않았다.
이론/모형
- 중합방법은 화학중합을 사용하였다. 이 방법은 삼각플러스크 안에 DBSA (Dodecyl Ben zene Sulfionic Acid) 0.
- 막을 올리는 방법 중에 일반적으로 spin coating법을 많이 사용하지만 전도성 고분자를 녹인 용매로 사용된 chloro- 을 실시할 때 기화가 빨리 이루어지기 때문에 일정한 막 형태를 올릴 수가 없었다. 그래서 본 실험에서는 dipping법을 이용하였으며, alumina 기판 위에 제작된 백금 (Pt) 전극위에 막을 올렸다. Dipping 직전에 형성된 막은 반투명한 일정 두께의 막이 전극위에 형성되었다.
- 그리고, VOC 가스를 정량적으로 검지하기 위해서 MFC를 이용하여 flow형 가스 주입 시스템을 그림 2와 같이 제작하였다. 표 2 에나타낸 Antoine방정식으로 농도 계산을 하였다. 측정 휘발성 유기 가스로는 에탄올, 벤젠.
- 제작된 센서 어레이를 이용하여 VOC 가스들의 데이터 분류를 위하여 선형투영법인 PCA와 신경회로망 알고리즘인 RBF Network을 이용하여 실험하였다.
- 전도성 고분자 센서 어레이를 이용한 가스 인식을 보다 완벽하게 하기 위하여 인식기로서 신경회로망의 한 종류인 RBF Network을 사용하였다. RBF Network은 범용적인 함수 근사자로 입증되고 있다.
성능/효과
- VOCs의 대표적인 가스로 Benzene, Chloroform, Et hanol, Toluene에 대한 특성을 알아 본 결과로 전도성고분자막을 코팅하여 위에서 서술한 VOC 가스를 인식할 수 있는 센서어레이를 제작하게 되었다. 제작된 센서어레이는 서로 다른 가스에 대해서 선택성이 우수하고, 농도변화에 따른 감도의 변화가 선형적으로 나타남으로 패턴인식을 위한 적절한 신호처리의 가능성이 있음을알 수 있었다.
- 그러나. 신경회로망의 RBF Network을 적용한 결과 높은 인식 결과를 보였다.
- 예를 들어 Toluene 500ppm일 경우 output의 1번 노드에서 1의 값을 나타냄으로써 Toluene 1000 ppm일 경우 output의 2번 노드에서 1의 값을 나타내는 것과 다르기 때문에 서로 구별이 가능하다. 입력 패턴에 대한 출력 특성은 각각의 가스종에 대해서 네트워크의 출력이 확연히 구분됨을 볼 수가 있었다. 이는 입력이 비선형적인 데이터라 할지라도 RBF Network에 의해 각 입력패턴에 따라 출력의 패턴을 결정할 수 있고 그에 맞게 학습을 행할 수 있었기 때문이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.